CN103284694B - 一种活体动物血管新生定量分析方法 - Google Patents

Abstract

一种活体动物血管新生定量分析方法，其包括如下步骤：（1）活体动物指定区域的CT成像步骤；（2）血管数据的分割步骤；（3）活体动物指定区域的荧光断层成像步骤；（4）选出活体动物新生血管区域中血管的CT图像步骤；（5）利用稀疏PCA技术分析血管拓扑结构参数步骤；（6）血管新生的定量步骤。本发明可以完成活体动物血管新生的定量；利用荧光断层成像选出血管新生区域中的血管，基于稀疏PCA技术完成血管新生的精确定量，并且本发明利用稀疏PCA技术，制定血管新生的定量方法，并在定量时，根据稀疏PCA处理的结果为每个血管拓扑结构参数分配不同的权重值，区分不同血管拓扑结构参数的贡献的大小。

Description

一种活体动物血管新生定量分析方法

技术领域

本发明属于一种活体动物血管新生定量分析方法。具体来说，本发明属于影像处理的技术领域，涉及荧光断层成像和CT成像，尤其是基于荧光断层成像和CT成像的活体动物血管新生定量方法，可用于活体动物血管新生的定量分析。

背景技术

目前普遍认为促进血管新生可以治疗缺血性疾病，常采用对离体组织切片进行显微成像，通过观测标记探针的显像来间接评血管新生的程度。2003年发表在NatureMedicine杂志的一篇综述文章总结了血管新生的显微成像研究。该文章对荧光显微成像、共聚焦和多光子显微成像、电子显微成像等成像模式做了系统性的分析，并且指出这些方法在临床应用中的最大缺陷是无法实现活体成像，并且成像范围太小，不适合整体目标的研究，参见：D.M.McDonald,P.L.Choyke,Imaging of angiogenesis:frommicroscope to clinic.Nature Medicine,9(6):713-725(2003).同时，这种二维的评价方法存在如下缺点：需要在不同的时间点处死动物并获取肌肉组织的冰冻切片，再在荧光显微镜下检测血管新生靶点的存在，因而分析结果严重依赖于对切片的选取，如果切片没有取到合适的位置而导致人为的错误判读，甚至于切片根本没有选中指定区域，就会导致检验存在一定比例的假阴性结果的可能。除此之外，可以使用X光血管造影成像的方式直接定量血管新生程度，参见：Z.W.Zhuang,L.Gao,M.Murakami,et al.,Arteriogenesis:Noninvasive Quantification with Multi–Detector Row CT Angiography andThreedimensional Volume Rendering in Rodents.Radiology,240(3):698-707(2006).但是二维造影成像及数字减影成像存在严重的遮挡问题，很大程度上限制了定量的准确性。

使用化学药品对指定区域的血管进行铸型得到血管网络的三维模型，然后进行CT成像，目前已经成为离体研究血管新生的主流方法。S.Heinzer等人对血管内皮生长因子VEGF干预前和干预后小鼠的头部血管进行了铸型并利用瑞士加速中心的X射线对其进行了CT成像，然后使用基于模板mark的方法得到了血管的中心线，进而分析了血管体积密度、表面积、厚度、长度、交汇点等参数在VEGF干预前后的变化情况，参见：S.Heinzer,G.Kuhn,T.Krucker,et al.,Novel three-dimensional analysis tool forvascular trees indicates complete micro-networks,not single capillaries,as the angiogenicendpoint in mice overexpressing human VEGF165in the brain.Neuroimage,39(4):1549-1558(2008).与此同时，血管铸型后的三维血管网络的分析方法在眼科和肿瘤血管的新生与定量评价领域也得到了广泛的应用。与血管铸型的方式不同，A.Arkudas等人建立一种体外培养血管的小鼠动静脉环模型，由于血管是在培养容器中模拟动物体内的生长环境，所以不需要铸型便可以评价VEGF促进血管新生的作用，参见：A.Arkudas,J.p.Beier,G.Pryymachuk,et al.,Automatic Quantitative Micro-ComputedTomography Evaluation of Angiogenesis in an Axially Vascularized Tissue-EngineeredBone Construct.Tissue Engineering:Part C,16(6):1503-1514(2010).但是以上方法都存在一些缺陷，首先，目前无论血管铸型的三维血管网络分析方法还是血管体外培养后的评价策略都无法完成在体的三维血管新生评价的要求；其次，目前的血管新生评价方法只是把众多可能与血管新生有关的参数进行简单的罗列，并未分析各个参数之间的内在联系，也没有指出哪些参数是与血管新生有关的关键指标，哪些是无关的甚至是相反的指标；更重要的是这些方法直接对CT成像后的血管进行定量分析，并没有区分哪些是新生的血管，哪些是原来已经存在的血管，这严重影响了血管新生定量研究的准确性。

发明内容

本发明的目的是针对上述血管新生定量中存在的问题，提出一种活体动物血管新生定量分析方法，首先利用CT成像得到活体动物指定区域的血管CT图像，并利用荧光断层成像选出血管新生的区域中的血管CT图像，然后基于稀疏PCA技术完成血管新生的定量。

为了实现上述目的，本发明提出了一种活体动物血管新生定量分析方法，包括如下步骤：

(1)活体动物指定区域的CT成像步骤，其包括，

利用X光探测器采集动物多个角度的投影数据；利用滤波反投影方法对投影数据进行重建，得到活体动物指定区域的CT数据；

(2)血管数据的分割步骤，其包括，

对活体动物指定区域CT重建后的数据进行阈值分割，所述阈值为预设的CT图像灰度值；逐渐增大所述阈值保证分割后的数据中包括完整的血管和骨骼并保存结果，并将所述数据标记为R；对R继续增大阈值进行分割，直到数据中只包含骨骼；逐渐对仅包含骨骼的数据进行膨胀处理，并将膨胀后的骨骼标记为B，使得膨胀后的骨骼恰好与R中的骨骼完全重叠；将R中膨胀后的骨骼B所对应的坐标点置为背景像素值，得到活体动物指定区域血管的CT图像，并将所述指定区域血管的CT图像标记为V；

(3)活体动物指定区域的荧光断层成像步骤，其包括，

对活体动物尾静脉注射靶向血管新生的荧光探针，采用多点激发的透射式断层成像模式进行成像，用CCD相机采集多个角度的活体动物指定区域表面的荧光信号Φ^m；采用扩散近似方程描述荧光在动物指定区域内的传输过程，并建立活体动物体表测得的荧光信号Φ^m与内部荧光探针分布图像F的线性方程并求解，得到活体动物指定区域荧光探针的分布图像F；

(4)选出活体动物新生血管区域中血管的CT图像步骤，其包括，

假设活体动物指定区域的血管新生分为M个阶段，求所有M个阶段的荧光断层图像F₁,F₂,···,F_M所占具三维空间的并集Ω，并依次选出所有M个阶段的血管的CT图像V₁,V₂,···,V_M中属于Ω的血管体素点，得到活体动物血管新生区域中血管的CT图像，标记为NV_i，i＝1,2···M；

(5)利用稀疏PCA技术分析血管拓扑结构参数步骤，其包括，

对每个阶段的新生血管区域的CT图像NV_i，i＝1,2···M，进行三维中心线提取，然后计算M个阶段的血管拓扑结构参数，得到M×N维的血管拓扑结构参数矩阵P，其中N为血管拓扑结构参数的个数；对P进行标准化处理，得到血管拓扑结构参数矩阵X；利用稀疏PCA技术分析血管拓扑结构参数矩阵X，并且在稀疏PCA求解的过程中不断调节稀疏正则化参数的取值，保证只有第一主成分有非零的负荷量；

(6)血管新生的定量步骤，其包括，

(6a)整合所有稀疏PCA第一主成分中的新生血管拓扑结构参数，可以得到第i个阶段活体动物指定区域中血管新生区域血管的量Q_i；

$Q_i=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\Γ}}^2\left(X_{i,n}\right)\·X_{i,n};$

其中，X_i,n为血管拓扑结构参数矩阵X中第i行，第n列变量，Γ²(X_i,n)为变量X_i,n的负荷量的平方，此处Γ²(X_i,n)的值代表不同的拓扑结构参数对血管新生贡献的大小；

(6b)计算第i个阶段活体动物指定区域血管新生的百分比W_i；

$W_i=\frac{Q_i-Q_1}{Q_1}\·100\%,i=\mathrm{1,2}\·\·\·M.$

在上述技术方案的基础上，所述步骤(3)中活体动物指定区域的荧光断层成像的步骤为：

(3a)对活体动物尾静脉注射靶向血管新生的荧光探针，将激光器与CCD相机放置在活体动物的两侧，并保证激光器、活体动物指定区域和CCD相机三者的中心在一条直线上；采用多点激发的透射式断层成像模式进行成像，用CCD相机采集多个角度的活体动物指定区域表面的荧光信号Φ^m；

(3b)采用扩散近似方程来描述光在动物指定区域内的传输过程，基于有限元理论建立活体动物体表测得的荧光信号Φ^m与内部荧光探针分布图像F的线性方程；

Φ^m＝AF；

其中A是系统矩阵，F是未知的荧光探针三维分布图像，包括空间坐标和浓度，Φ^m是体表荧光信号；

(3c)将步骤(3b)中的线性方程中引入的L₂范数正则化项，将线性方程的求解转化为Tikhonov正则化方程：

$\underset{X}{\min }\{{\left|\right|\mathrm{AF}-{\mathrm{\Φ}}^m\left|\right|}_2^2+\mathrm{\λ}{\left|\right|F\left|\right|}_2\};$

其中λ是Tikhonov正则化参数，||·||₂为矩阵论中的L₂范数；

(3d)采用最速下降法求解Tikhonov正则化方程：

F^k+1＝F^k-δ(A^TAF^k+λF^k-A^TΦ^m)；

其中F^k+1是第K+1次迭代求得的荧光探针的分布图像，F^k是第K次迭代求得的荧光探针的分布图像，δ是迭代步长，A^T是A的转置；

(3e)由步骤(3d)多次迭代求得荧光探针的分布图像，记为F。

在上述技术方案的基础上，所述步骤(4)中选出活体动物新生血管区域中血管的CT图像的步骤为：

(4a)假设活体动物指定区域的血管新生分为M个阶段，第i个阶段血管的CT图像为V_i，i＝1,2···M，第i个阶段血管的荧光断层图像为F_i，i＝1,2···M，其中V₁和F₁分别为初始阶段的活体动物指定区域的CT图像和荧光断层图像；

(4b)二值化处理M个阶段的荧光断层图像F_i，i＝1,2···M，即将有荧光信号的体素点置为1，将没有荧光信号的体素置为0，得到第i个阶段二值化的荧光断层图像BF_i，i＝1,2···M；

(4c)求M个阶段的二值化荧光断层图像BF_i的并集Ω，i＝1,2···M；

Ω＝BF₁UBF₂U···U BF_M；

其中BF₁，BF₂和BF_M分别为第1，第2和第M阶段的二值化荧光图像；

(4d)假设V_i(x,y,z)为第i个阶段的血管CT图像的某一个体素点，i＝1,2···M；如果V_i(x,y,z)∈Ω，那么第i个阶段的血管CT图像的体素点(x,y,z)是新生血管区域的体素点；如果那么第i个阶段的血管CT图像的体素点(x,y,z)是原来已经存在的血管区域的体素点；逐个判断M个阶段的血管CT图像的每个体素，得到活体动物指定区域中新生血管区域的CT图像，标记为NV_i，i＝1,2···M。

在上述技术方案的基础上，所述步骤(5)中利用稀疏PCA技术分析血管拓扑结构参数的步骤为：

(5a)在主成分分析PCA的回归模型中加上L₁范数正则化项，得到稀疏PCA的优化方程；

${\mathrm{\β}}^{*}=\underset{\mathrm{\β}}{\arg \min }{\left|\right|Y-X_n\mathrm{\β}\left|\right|}_2^2+\mathrm{\μ}{\left|\right|\mathrm{\β}\left|\right|}_2^2+\mathrm{\γ}{\left|\right|\mathrm{\β}\left|\right|}_1;$

其中，X_n为血管拓扑结构参数矩阵X中的第n列向量，Y为主成分，β为变换矩阵，β^*为最优变换矩阵，μ为正则化参数，γ为稀疏正则化参数，||·||₂为矩阵论中的L₂范数，||·||₁为矩阵论中的L₁范数；

(5b)采用朴素弹性网方法求解稀疏PCA优化方程；

${\mathrm{\β}}^{*}=\frac{\max ({X_n}^{T}Y-\mathrm{\γ}/\mathrm{2,0})}{1+\mathrm{\μ}}\·\mathrm{sgn}\left({X_n}^{T}Y\right);$

其中，X_n ^T为矩阵的X_n转置,max(·)为求最大值函数，sgn(·)为符号函数；

(5c)假设Γ是稀疏PCA的负荷量，则Γ(X_n)＝β^*/||β^*||₂，在稀疏PCA求解的过程中，不断调节γ的值并保证只有第一主成分有非零的负荷量。

相对于现有技术，本发明具有如下优点：本发明可以完成活体动物血管新生的定量；并且本发明使用CT成像得到血管的三维结构图像，然后利用荧光断层成像选出血管新生的区域中的血管，继而基于稀疏PCA技术完成血管新生的精确定量，解决了CT单一模态成像无法选出血管新生区域这一难题。并且本发明利用稀疏PCA技术，将血管的拓扑结构参数进行了有效的整合，制定血管新生的定量方法，并在定量时，根据稀疏PCA处理的结果为每个血管拓扑结构参数分配不同的权重值，以区分不同血管拓扑结构参数的贡献的大小，得到了更加有效的血管新生定量评价方法。

附图说明

图1为本发明基于荧光断层成像和CT成像的活体动物血管新生定量方法的流程图。

具体实施方式

下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。

在此实施例中，以小鼠下肢的血管新生为定量实物，但不局限于此；在体视显微镜下将小鼠下肢内侧的股动脉和神经剥离开，在股动脉高位结扎股动脉；再将脂肪来源的间充质干细胞扩增培养到足够的数量后，用注射器将干细胞注入到小鼠下肢缺血模型结扎部位1mm范围内的3个相邻的位置。

参照图1，本发明基于荧光断层成像和CT成像的活体动物血管新生定量方法，具体步骤如下：

步骤1：活体动物指定区域的CT成像。

尾静脉注射CT造影剂AuroVist-15nm(40mg Au/0.2ml,Nanoprobes,NY)后，将活体动物固定在CT成像系统的旋转台上，调整X光管、旋转台和X光探测器的位置，保证三者的中心在一条直线上；对活体动物指定区域进行不少于360个角度的X光照射，利用X光探测器采集多个角度的投影数据；利用滤波反投影方法对投影数据进行重建，得到活体动物指定区域的CT数据。

步骤2：指定区域血管数据的分割。

对活体动物指定区域CT重建后的数据进行阈值分割，所述阈值为预设的CT图像灰度值；逐渐增大所述阈值保证分割后的数据中包括完整的血管和骨骼并保存结果，并将所述数据标记为R；对R继续增大阈值进行分割，直到数据中只包含骨骼；逐渐对仅包含骨骼的数据进行膨胀处理，并将膨胀后的骨骼标记为B，使得膨胀后的骨骼恰好与R中的骨骼完全重叠；将R中膨胀后的骨骼B所对应的体素点置为背景像素值，得到活体动物指定区域血管的CT图像，并将所述指定区域血管的CT图像标记为V。

步骤3：活体动物指定区域的荧光断层成像。

(3a)对活体动物尾静脉注射靶向血管新生的荧光探针Cy5.5-VEGF，参见MVBacker,Z Levashova,V,Patel et al.,Molecular imaging of VEGF receptors in angiogenicvasculature with single-chain VEGF-based probes.Nature Medicine,13,504–509(2007).

(3b)采用多点激发技术，用电脑控制荧光断层成像系统的旋转台等间隔旋转一定角度，一般不大于90°(本例中选60°)，激光器发射点状激光照射动物，一个角度照射一次动物，转了几个角度就有几个点激发，从而实现了多点激发；

(3c)采用透射式断层成像模式，将连续波的激光器与高灵敏的CCD相机放置在动物的两侧，保证激光器、活体动物指定区域和CCD相机三者的中心在一条直线上，激光连续照射活体动物指定区域，激发荧光探针Cy5.5-VEGF发射荧光；

(3d)用CCD相机采集多个角度的活体动物指定区域发射出来的荧光信号，并利用非接触式光学断层成像方法中描述的生物体表面三维荧光能量映射技术获取成像动物体表面的荧光信号Φ^m；本方法在中国专利200910024292.1，申请日2009.10.13，授权号ZL200910024292.1，授权日2011.4.6中已经做出详细的描述，在此不再复述。

(3e)采用扩散近似方程来描述光在动物指定区域内的传输过程，基于有限元理论建立活体动物体表测得的荧光信号Φ^m与内部荧光探针分布图像F的线性方程；

Φ^m＝AF；

其中A是系统矩阵，F是未知的荧光探针三维分布图像，包括空间坐标和浓度，Φ^m是体表荧光信号；

(3f)将步骤(3e)中的线性方程中引入的L₂范数正则化项，将线性方程的求解转化为Tikhonov正则化方程：

$\underset{X}{\min }\{{\left|\right|\mathrm{AF}-{\mathrm{\Φ}}^m\left|\right|}_2^2+\mathrm{\λ}{\left|\right|F\left|\right|}_2\};$

其中λ是Tikhonov正则化参数，||·||₂为矩阵论中的L₂范数；

(3g)采用最速下降法求解Tikhonov正则化方程：

F^k+1＝F^k-δ(A^TAF^k+λF^k-A^TΦ^m)；

其中F^k+1是第K+1次迭代求得的荧光探针的分布图像，F^k是第K次迭代求得的荧光探针的分布图像，δ是迭代步长，A^T是A的转置。

(3h)由步骤(3g)多次迭代的最速下降法求得荧光探针的分布图像，记为F。

步骤4：指定区域中血管新生区域的选择。

(4a)假设活体动物指定区域的血管新生分为7个阶段，即分别为干细胞注射后的第1天，第5天，第10天，第15天，第20天，第25天，和第30天，第i阶段血管的CT图像为V_i，i＝1,2···7，第i阶段血管的荧光断层图像为F_i，i＝1,2···7，其中V₁和F₁分别为初始阶段的活体动物指定区域的CT图像和荧光断层图像；

(4b)二值化处理7个阶段的荧光断层图像F_i，i＝1,2···7，即将有荧光信号的体素点置为1，将没有荧光信号的体素置为0，得到第i阶段二值化的荧光断层图像BF_i，i＝1,2···7；

(4c)求7个阶段的二值化荧光断层图像BF_i的并集Ω，i＝1,2···7；Ω就是活体动物指定区域中的血管新生区域；

Ω＝BF₁UBF₂U···U BF₇；

其中BF₁，BF₂和BF₇分别为第1天，第5天和第30天的二值化荧光图像。

步骤5：选出活体动物血管新生区域中血管的CT图像。

假设V_i(x,y,z)为第i阶段的血管CT图像的某一个体素点，i＝1,2···7；如果V_i(x,y,z)∈Ω，那么第i阶段的血管CT图像的体素点(x,y,z)是新生血管区域的体素点；如果那么第i阶段的血管CT图像的体素点(x,y,z)是原来已经存在的血管区域的体素点；逐个判断7个阶段的血管CT图像的每个体素，得到活体动物血管新生区域中血管的CT图像，标记为NV_i，i＝1,2···7。

步骤6：血管新生区域中血管三维中心线的提取和拓扑结构参数的计算。

(6a)采用距离编码的方法完成血管新生区域中血管中心线的提取：首先分别建立以单个种子点为起点的距离场和以边界种子点为起点的距离场，然后对以单个种子点为起点的距离场中具有相同码值的体素点的集合同时提取中心线，并利用以边界种子点为起点的距离场来修正中心线的提取结果，参见Y.Zhou,A.W.Toga,EfficientSkeletonization of Volumetric Objects.IEEE Transactions on Visualization and ComputerGraphics,5(3):pp.196–2091999；

(6b)本例分别计算血管长度，血管直径，血管分支数，血管体积，以及血管表面积这5个血管拓扑结构参数，但不局限于此；根据提取的中心线，我们以血管中心线的长度来代替血管的长度，采用逐个点计算欧氏距离的方法计算每条血管中心线的长度，那么血管的总长度就等于每条血管中心线长度的和；血管的直径可以采用沿着血管中心线拖动，并由最大直径球的方法求得；血管的分支数可以通过计算两条中心线的交点的方法得到，血管分支的总数就等于所有中心线交点的和；血管的体积为整个血管新生区域中的血管所涵盖的所有体素的和与单个体素体积的乘积；血管表的面积为血管区域的血管所有边界体素的和与单个面元的面积的乘积；

(6c)由步骤(6b)得到7个阶段，5个参数组成的7×5维的血管拓扑结构参数矩阵P；对P进行标准化处理，得到血管拓扑结构参数矩阵X。

步骤7：血管新生区域中血管拓扑结构参数的稀疏PCA分析。

(7a)在主成分分析PCA的回归模型中加上L₁范数正则化项，得到稀疏PCA的优化方程；

${\mathrm{\β}}^{*}=\underset{\mathrm{\β}}{\arg \min }{\left|\right|Y-X_n\mathrm{\β}\left|\right|}_2^2+\mathrm{\μ}{\left|\right|\mathrm{\β}\left|\right|}_2^2+\mathrm{\γ}{\left|\right|\mathrm{\β}\left|\right|}_1;$

其中，X_n为血管拓扑结构参数矩阵X中的第n列向量，Y为主成分，β为变换矩阵，β^*为最优变换矩阵，μ为正则化参数，γ为稀疏正则化参数，||·||₂为矩阵论中的L₂范数，||·||₁为矩阵论中的L₁范数；

(7b)采用朴素弹性网方法求解稀疏PCA优化方程；

${\mathrm{\β}}^{*}=\frac{\max ({X_n}^{T}Y-\mathrm{\γ}/\mathrm{2,0})}{1+\mathrm{\μ}}\·\mathrm{sgn}\left({X_n}^{T}Y\right);$

其中，X_n ^T为矩阵的X_n转置,max(·)为求最大值函数，sgn(·)为符号函数；

(7c)假设Γ是稀疏PCA的负荷量，则Γ(X_n)＝β^*/||β^*||₂，在稀疏PCA求解的过程中，不断调节γ的值并保证只有第一主成分有非零的负荷量。

步骤8：定量活体动物指定区域中血管的新生程度。

(8a)整合所有稀疏PCA第一主成分中的新生血管拓扑结构参数，可以得到第i个阶段活体动物指定区域中血管新生区域血管的量Q_i；

$Q_i=\underset{n=1}{\overset{5}{\mathrm{\Σ}}}{\mathrm{\Γ}}^2\left(X_{i,n}\right)\·X_{i,n};$

其中，X_i,n为血管拓扑结构参数矩阵X中第i行，第n列变量，Γ²(X_i,n)为变量X_i,n的负荷量的平方，此处Γ²(X_i,n)的值代表着不同的拓扑结构参数对血管新生贡献的大小；

(8b)计算第i个阶段活体动物指定区域血管新生的百分比W_i；

$W_i=\frac{Q_i-Q_1}{Q_1}\·100\%,i=\mathrm{1,2}\·\·\·7.$

以上所述，仅为本发明中的一个具体实例，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解和想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (4)

1.一种活体动物血管新生定量分析方法，包括如下步骤：

(1)活体动物指定区域的CT成像步骤，其包括，

利用X光探测器采集动物多个角度的投影数据；利用滤波反投影方法对投影数据进行重建，得到活体动物指定区域的CT数据；

(2)血管数据的分割步骤，其包括，

对活体动物指定区域CT重建后的数据进行阈值分割，所述阈值为预设的CT图像灰度值；逐渐增大所述阈值保证分割后的数据中包括完整的血管和骨骼并保存结果，并将所述数据标记为R；对R继续增大阈值进行分割，直到数据中只包含骨骼；逐渐对仅包含骨骼的数据进行膨胀处理，并将膨胀后的骨骼标记为B，使得膨胀后的骨骼恰好与R中的骨骼完全重叠；将R中膨胀后的骨骼B所对应的坐标点置为背景像素值，得到活体动物指定区域血管的CT图像，并将所述指定区域血管的CT图像标记为V；

(3)活体动物指定区域的荧光断层成像步骤，其包括，

采用多点激发的透射式断层成像模式进行成像，用CCD相机从多个角度采集尾静脉注射靶向血管新生的荧光探针的活体动物指定区域表面的荧光信号Φ^m；采用扩散近似方程描述荧光在动物指定区域内的传输过程，并建立活体动物体表测得的荧光信号Φ^m与内部荧光探针分布图像F的线性方程并求解，得到活体动物指定区域荧光探针的分布图像F；

(4)选出活体动物新生血管区域中血管的CT图像步骤，其包括，

假设活体动物指定区域的血管新生分为M个阶段，求所有M个阶段的荧光断层图像F₁,F₂,···,F_M所占具三维空间的并集Ω，并依次选出所有M个阶段的血管的CT图像V₁,V₂,···,V_M中属于Ω的血管体素点，得到活体动物血管新生区域中血管的CT图像，标记为NV_i，i＝1,2···M；

(5)利用稀疏PCA技术分析血管拓扑结构参数步骤，其包括，

对每个阶段的新生血管区域的CT图像NV_i，i＝1,2···M，进行三维中心线提取，然后计算M个阶段的血管拓扑结构参数，得到M×N维的血管拓扑结构参数矩阵P，其中N为血管拓扑结构参数的个数；对P进行标准化处理，得到血管拓扑结构参数矩阵X；利用稀疏PCA技术分析血管拓扑结构参数矩阵X，并且在稀疏PCA求解的过程中不断调节稀疏正则化参数的取值，保证只有第一主成分有非零的负荷量；

(6)血管新生的定量步骤，其包括，

(6a)整合所有稀疏PCA第一主成分中的新生血管拓扑结构参数，可以得到第i个阶段活体动物指定区域中血管新生区域血管的量Q_i；

$Q_i=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\Γ}}^2\left(X_{i,n}\right)\·X_{i,n};$

其中，X_i,n为血管拓扑结构参数矩阵X中第i行，第n列变量，Γ²(X_i,n)为变量X_i,n的负荷量的平方，此处Γ²(X_i,n)的值代表不同的拓扑结构参数对血管新生贡献的大小；

(6b)计算第i个阶段活体动物指定区域血管新生的百分比W_i；

$W_i=\frac{Q_i-Q_1}{Q_1}\·100\%,i=\mathrm{1,2}...M.$

2.根据权利要求1所述的一种活体动物血管新生定量分析方法，其特征在于：所述步骤(3)中活体动物指定区域的荧光断层成像的步骤为：

(3a)将激光器与CCD相机放置在活体动物的两侧，并保证激光器、活体动物指定区域和CCD相机三者的中心在一条直线上；采用多点激发的透射式断层成像模式进行成像，用CCD相机从多个角度采集尾静脉注射靶向血管新生的荧光探针的活体动物指定区域表面的荧光信号Φ^m；

(3b)采用扩散近似方程来描述光在动物指定区域内的传输过程，基于有限元理论建立活体动物体表测得的荧光信号Φ^m与内部荧光探针分布图像F的线性方程；

Φ^m＝AF；

其中A是系统矩阵，F是未知的荧光探针三维分布图像，包括空间坐标和浓度，Φ^m是体表荧光信号；

(3c)将步骤(3b)中的线性方程中引入的L₂范数正则化项，将线性方程的求解转化为Tikhonov正则化方程：

$\underset{X}{\min }\{{\left|\right|\mathrm{AF}-{\mathrm{\Φ}}^m\left|\right|}_2^2+\mathrm{\λ}{\left|\right|F\left|\right|}_2\};$

其中λ是Tikhonov正则化参数，||·||₂为矩阵论中的L₂范数；

(3d)采用最速下降法求解Tikhonov正则化方程：

F^k+1＝F^k-δ(A^TAF^k+λF^k-A^TΦ^m)；

其中F^k+1是第K+1次迭代求得的荧光探针的分布图像，F^k是第K次迭代求得的荧光探针的分布图像，δ是迭代步长，A^T是A的转置；

(3e)由步骤(3d)多次迭代求得荧光探针的分布图像，记为F。

3.根据权利要求1所述的一种活体动物血管新生定量分析方法，其特征在于：所述步骤(4)中选出活体动物新生血管区域中血管的CT图像的步骤为：

(4a)假设活体动物指定区域的血管新生分为M个阶段，第i个阶段血管的CT图像为V_i，i＝1,2···M，第i个阶段血管的荧光断层图像为F_i，i＝1,2···M，其中V₁和F₁分别为初始阶段的活体动物指定区域的CT图像和荧光断层图像；

(4b)二值化处理M个阶段的荧光断层图像F_i，i＝1,2···M，即将有荧光信号的体素点置为1，将没有荧光信号的体素置为0，得到第i个阶段二值化的荧光断层图像BF_i，i＝1,2···M；

(4c)求M个阶段的二值化荧光断层图像BF_i的并集Ω，i＝1,2···M；

Ω＝BF₁UBF₂U···U BF_M；

其中BF₁，BF₂和BF_M分别为第1，第2和第M阶段的二值化荧光图像；

(4d)假设V_i(x,y,z)为第i个阶段的血管CT图像的某一个体素点，i＝1,2···M；如果V_i(x,y,z)∈Ω，那么第i个阶段的血管CT图像的体素点(x,y,z)是新生血管区域的体素点；如果那么第i个阶段的血管CT图像的体素点(x,y,z)是原来已经存在的血管区域的体素点；逐个判断M个阶段的血管CT图像的每个体素，得到活体动物指定区域中新生血管区域的CT图像，标记为NV_i，i＝1,2···M。

4.根据权利要求1所述的一种活体动物血管新生定量分析方法，其特征在于：所述步骤(5)中利用稀疏PCA技术分析血管拓扑结构参数的步骤为：

(5a)在主成分分析PCA的回归模型中加上L₁范数正则化项，得到稀疏PCA的优化方程；

${\mathrm{\β}}^{*}=\underset{\mathrm{\β}}{\arg \min }{\left|\right|Y-X_n\mathrm{\β}\left|\right|}_2^2+\mathrm{\μ}{\left|\right|\mathrm{\β}\left|\right|}_2^2+\mathrm{\γ}{\left|\right|\mathrm{\β}\left|\right|}_1;$

其中，X_n为血管拓扑结构参数矩阵X中的第n列向量，Y为主成分，β为变换矩阵，β^*为最优变换矩阵，μ为正则化参数，γ为稀疏正则化参数，||·||₂为矩阵论中的L₂范数，||·||₁为矩阵论中的L₁范数；

(5b)采用朴素弹性网方法求解稀疏PCA优化方程；

${\mathrm{\β}}^{*}=\frac{\max ({X_n}^{T}Y-\mathrm{\γ}/\mathrm{2,0})}{1+\mathrm{\μ}}\·\mathrm{sgn}\left({X_n}^{T}Y\right);$

其中，X_n ^T为矩阵的X_n转置,max(·)为求最大值函数，sgn(·)为符号函数；

(5c)假设Γ是稀疏PCA的负荷量，则Γ(X_n)＝β^*/||β^*||₂，在稀疏PCA求解的过程中，不断调节γ的值并保证只有第一主成分有非零的负荷量。